Arbeitsgruppe unter der Leitung von Prof. Dr. Katharina Simbeck
KI in Organisationen & HR Analytics
Die Forschungsgruppe untersucht, wie KI-basierte Systeme organisationale Entscheidungsprozesse verändern, insbesondere im Recruiting, in der Personalentwicklung und im Performance Management. Im Mittelpunkt stehen Fragen der Fairness, Transparenz, Erklärbarkeit und des Vertrauens in algorithmische Systeme sowie deren Auswirkungen auf Organisationen und Beschäftigte.
TranKI – Transparente KI im Personalmanagement
Fair Enough? – Fairness in Learning Analytics und KI-Systemen
Fairness, Transparenz & Auditierbarkeit
Ein Schwerpunkt der Forschung liegt auf der Entwicklung von Methoden zur Prüfung und Auditierung KI-basierter Systeme. Die Forschungsgruppe untersucht, wie Fairness, Robustheit und regulatorische Anforderungen technisch und organisatorisch operationalisiert werden können, insbesondere in sensiblen Anwendungsfeldern wie Bildung und Personalmanagement.
LADi – Learning Analytics und Diskriminierung
Fair Enough? – Untersuchung der Fairness von Learning Analytics Systemen
Mensch-KI-Interaktion & Lernen
Die Forschungsgruppe untersucht, wie Menschen KI-gestützte Systeme wahrnehmen, interpretieren und nutzen. Dabei stehen insbesondere AI Literacy, adaptive Systeme und die Gestaltung verständlicher und vertrauenswürdiger Mensch-KI-Interaktion im Fokus.
KIKi – KI für Kinder
EUonAIR / MyAI University
StartIT – Development of Soft and Future Skills using Digital Entrepreneurship
Ausgewählte Publikationen
Highly Accurate, But Still Discriminatory – Fairnessbewertung algorithmischer Videoanalyse im Recruiting-Kontext
Köchling, A., Riazy, S., Wehner, M. C. & Simbeck, K. (2021). Highly Accurate, But Still Discriminatory: A Fairness Evaluation of Algorithmic Video Analysis in the Recruitment Context. Business & Information Systems Engineering, 63(1), 39–54.
DOI: 10.1007/s12599-020-00673-w
Auditing Learning Analytics Systems – Framework zur Auditierung von Fairness, Transparenz und Robustheit in KI-basierten Lernanalysesystemen
Simbeck, K. (2024). They shall be fair, transparent, and robust: Auditing learning analytics systems. AI and Ethics, 4, 555–571.
DOI: 10.1007/s43681-023-00292-7
FAccT-Check on AI Regulation: Analyse regulatorischer Anforderungen an KI-Systeme im öffentlichen Sektor
Simbeck, K. (2022). FAccT-Check on AI Regulation: Systematic Evaluation of AI Regulation on the Example of the Legislation on the Use of AI in the Public Sector in the German Federal State of Schleswig-Holstein.
In: Proceedings of the ACM Conference on Fairness, Accountability, and Transparency (FAccT ’22).
DOI: 10.1145/3531146.3534630
Explainability in Recruiting Systems – Wie KI-Kompetenz die Interpretation erklärbarer Recruiting-Systeme beeinflusst
Kalff, Y. & Simbeck, K. (2025). Explained, yet misunderstood: How AI Literacy shapes HR managers’ interpretation of user interfaces in recruiting recommender systems.
RecSysHR Workshop @ ACM RecSys
https://ceur-ws.org/Vol-4046/RecSysHR2025-paper_3.pdf
Weitere Informationen
Weitere Informationen über uns, unsere Forschung und unsere Angebote finden sich unter:
Veröffentlichungen (Google Scholar)
Wir sind Teil des Instituts CBMI.